在后疫情时代，79%的企业高管被迫采用混合工作模式，每周只允许员工几天进入办公室，离开设施经理发现自己面临的挑战是如何调整他们的建筑管理系统(BMS)以更好地适应这些新的灵活计划引起的电力需求波动。事实是，大多数建筑物继续与BMS系统作斗争，这些系统本质上主要是监控，并且根据运行条件自动调整的能力有限，实时调整的能力更弱。这导致组织在未使用的区域浪费大量能源，并产生高昂的公用事业成本。这也是实现政府为企业设定的2030年温室气体减排目标的绊脚石。幸运的是，随着当今越来越不可预测的办公时间表，利用人工智能、边缘计算和实时分析的正确解决方案可以提高能源效率并降低运营成本。对敏捷性的需求增加在COVID之前，大多数大型和混合用途建筑都依赖于正常工作时间来指导BMS系统为照明和HVAC等耗能系统安排时间——通常预计在周一至周五早上7:00人们入住，直到下午5:00本身就是一种浪费。现在，随着员工以不同的占用率返回办公室，设施经理的任务是适应这些不规则的时间表。在许多方面，与大流行高峰期相比，现在重返工作场所对建筑经理来说更加棘手——当时由于公共卫生法规，建筑入住率变得可预测且持续偏低，几乎没有其他选择是让所有员工保持在家。现在越来越多的人返回工作场所，但以零星且不可预测的方式返回，这给设施人员及其BMS架构带来了敏捷性挑战。这种不可预测性甚至延伸到仓库能源成本，这可能占公司年收入的近10%，因为大流行对全球供应链的破坏可能导致库存水平波动以及需要维持多少仓库空间来容纳它通过电力和暖通空调。虽然这些供应链中断预计是暂时的，但不规律的办公时间可能会继续成为大流行后的“新常态”，成为混合工作模式永久趋势的一部分。用EdgeAI迎接挑战尽管存在这些现实，但如今很少有建筑物配备BMS资产，无法观察或预编程。手动跟上不一致的占用水平可能既耗时又昂贵，并且对环境造成浪费。组织要保持高效、竞争力和可持续性，就必须改变这一点。幸运的是，由于越来越多的数据驱动选项可以通过更实时的可见性和控制来动态调整建筑条件，因此BMS敏捷性变得更加容易。这些系统提供高级分析，可以跟踪和调整办公室时间表、入住率、天气预报、每小时能源费率和HVAC机器健康状况——所有这些都可以提高运营效率并为业主带来更高的利润。一些最强大的系统涉及支持AI的边缘计算或边缘AI，其中数据在其源头或附近进行处理。特别是随着物联网设备和传感器在智能建筑中的激增，边缘人工智能避免了收集数据并将其来回传输到异地云服务进行处理的成本和延迟。额外的节省来自于这样一个事实，即建筑运营商可以在现有系统上安装新的边缘AI，而无需花费昂贵的拆卸和更换旧组件。预测性维护和其他优势由边缘AI提供支持的智能BMS架构可以将效率从耗能系统的实时管理提升到节省收入的预测性分析和预防性维护中。例如，来自高频振动传感器的运行数据可以检测用于冷却的建筑冷水机组的异常情况，并应用分析来预测未来的故障点。这提供了主动解决问题的机会，避免了可能对租户体验产生负面影响的昂贵的故障维修和服务中断。无论用例是HVAC、照明还是其他建筑系统，边缘的AI预测功能都可以延长昂贵设备的最大有效资产寿命。考虑到由于混合工作模式导致的占用率变化导致更频繁的操作调整导致系统磨损增加，这一点尤其正确。作为奖励，对这些不断变化的占用模式的分析还可以帮助确定计划维护和计划服务中断的最佳和最少中断时间。最后，由于COVID-19仍然是一个问题，边缘人工智能甚至可以通过使用机器视觉、红外传感器和流视频分析来验证居住者对PPE（例如戴口罩）的使用情况，从而增强建筑物的健康和安全状况；或检查体温升高，这可能是感染的迹象。这些只是增强的BMS功能可以为设施经理带来的一些优势，这些设施经理可以在COVID-19之后处理高风险劳动力的复杂占用时间表。混合工作时间表的“新常态”总结了大流行后的劳动力，正在推动BMS功能急需的革命。在边缘人工智能的引领下，这些系统为建筑管理者提供了增强的可见性和实时敏捷性，以响应不断变化的条件并自动调整以提高租户安全、能源效率和成本节约。
